Resumen de ¿Cómo predecir el fallo del injerto renal de los pacientes portugueses?

Sofia Cerqueira, Maria R. Campelos, Argentina Leite, E. J. Solteiro Pires, Luís Torres Pereira, Hugo. Diniz, Susana Sampaio, Arnaldo Figueiredo, Rui Manuel Alves

• español

  Introducción: La diferencia entre la oferta y necesidad de un trasplante de riñón (TR) ha aumentado. El Kidney Donor Profile Index (KDPI) es una medida de la “calidad del órgano” y permite estimar la supervivencia del injerto, pero quizás no puede aplicarse a todas las poblaciones. El conocimiento de nuestra población de donantes y receptores de riñón es vital para ajustar las estrategias de trasplante. Objetivo: Evaluar predictores de fallo del injerto renal en una población receptora de trasplante de riñón en dos centros portugueses. Material y métodos: Realizamos una evaluación retrospectiva de donantes y receptores de TR en dos unidades de trasplante renal: Centro Hospitalar Universitário de Coimbra, CHUC (Coimbra, Portugal) y Centro Hospitalar Universitário de São João, CHUSJ (Porto, Portugal), entre 2013 y 2018. Luego hicimos un análisis estadístico, correlacionando estos resultados de TR con las características del donante y el receptor, incluido el KDPI. Se utilizaron métodos de inteligencia artificial para determinar los mejores predictores de la supervivencia del injerto. Resultados: Analizamos un total de 808 donantes de riñón y 829 receptores de TR. La asociación entre KDPI y disfunción del injerto fue solo moderada. El algoritmo de aprendizaje automático del árbol de decisiones demostró ser mejor para predecir fallas de injerto que las redes neuronales artificiales. La regresión logística multinomial reveló que la edad del receptor es un factor pronóstico importante para el fallo del injerto. Conclusión: En esta cohorte portuguesa, el score KDPI no fue una buena medida de la supervivencia del TR, aunque se correlacionó con la TFG 1 año después del trasplante. El árbol de decisiones demostró ser el mejor algoritmo para predecir la falla del injerto. La edad del receptor fue el predictor más importante de fallo del injerto renal.

• English

  Background: The gap between offer and need for a kidney transplant (KT) has been increasing. The Kidney Donor Profile Index (KDPI) is a measure of “organ quality” and allows estimation of graft survival, but could not apply to all populations. Knowledge of our kidney donor and recipient population is vital to adjust transplant strategies. Methods: We performed a retrospective evaluation of donors and recipients of KT regarding two kidney transplant units: Centro Hospitalar Universitário de Coimbra, CHUC (Coimbra, Portugal) and Centro Hospitalar Universitário de São João, CHUSJ (Porto, Portugal), between 2013 and 2018. We then did statistical analysis and modeling, correlating these KT outcomes with donor and recipient characteristics, including KDPI. Artificial intelligence methods were performed to determine the best predictors of graft survival. Results:We analyzed a total of 808kidney donors and 829 recipients of KT. The association between KDPI and graft dysfunction was only moderate.The decision tree machine learning algorithm proved to be better at predicting graft failure than artificial neural networks. Multinomial logistic regression revealed recipient age as an important prognostic factor for graft loss. Conclusions: In this Portuguese cohort, KDPI was not a good measure of KT survival, although it correlated with GFR 1 year post-transplant. The decision tree proved to be the best algorithm to predict graft failure. Age of the recipient was the most important predictor of graft dysfunction.